Accueil › Benchmarks › HumanEval & GSM8K
HumanEval & GSM8K
Benchmark
Capacité
The retired classics of coding and grade-school math.
Vous consultez une fiche benchmark : un test utilisé par l'industrie pour mesurer des chips ou des modèles — et ce qu'il révèle concrètement.
HumanEval (164 Python functions) and GSM8K (grade-school word problems) measured the 2021–24 climb from barely-working to near-perfect, then saturated — their history is the cleanest record of how fast base capability moved. Successors: LiveCodeBench, SWE-bench, AIME.
Comment cela s'articule avec le reste de la chaîne
Les liens de cette fiche en un coup d'œil — cliquez sur un groupe pour y accéder directement.
Connexes
Sources
Fiche examinée au 2026-01-15 — voir Méthodologie.